场景设计题全面攻略,教你如何一鸣惊人!

系统设计题
回答思路:
1、先提出需求分析和非需求分析
2、提出数据库表设计和存储方案,一般选择关系数据库+nosql
3、针对数据量大的场景选取合适的分库分表思路,根据某个id哈希或者一致性哈希
4、针对高并发场景的缓存优化,缓存和数据库一致性或者增加消息队列mq进行解耦
5、详细接口设计,接口访问时的读写数据库和缓存的顺序
6、性能优化——异步操作、批量处理、热点数据优化

设计一个类似抖音的点赞系统
1、需求分析和非需求分析
需求分析:点赞/取消点赞视频+查看视频点赞数量+查看用户点赞的所有视频+点赞状态查询
非需求分析:高性能,高可用,大数据量,数据一致性
根据实际情境扩充
2、库表设计
点赞关系(Like Relationship):存储用户对视频的点赞关系。
user_id  video_id create_time
视频点赞统计(Like Count):存储每个视频的点赞总数。
video_id count update_time
3、分库分表思路
分片策略:
按照用户 ID 或视频 ID 进行分片。
使用一致性哈希或取模的方式进行分库分表。
考虑到点赞数量大,对于点赞关系表,可按 user_id 模 N 取余,将数据分散到 N 个库或表中。
4、缓存操作
点赞/取消点赞操作
先更新数据库:执行点赞或取消点赞的数据库操作。
更新缓存:更新 Redis 中的点赞状态和点赞计数。
避免缓存不一致
消息队列异步更新:将更新操作发送到消息队列,异步更新缓存,确保最终一致性。
5、接口详细处理
以点赞和取消点赞为例
处理流程:
参数校验:检查用户和视频是否存在,验证参数合法性。
数据库操作:
点赞:插入一条点赞关系记录,更新视频点赞统计表的计数。
取消点赞:删除点赞关系记录,更新视频点赞统计表的计数。
更新缓存:更新 Redis 中的点赞状态和点赞计数缓存。
6、优化思路
1.异步处理
异步写入:将点赞/取消点赞操作通过消息队列(如 Kafka、RabbitMQ)异步写入数据库和更新缓存,减少请求的响应时间。
异步更新缓存:在数据库操作完成后,将缓存更新操作放入消息队列异步处理,避免缓存与数据库不一致。
2.批量操作
批量查询:当需要获取多个视频的点赞数量时,提供批量接口,减少网络请求次数。
批量写入:对于一些批量的点赞操作,可以批量写入数据库,减少数据库压力。
3.热点数据优化
热点缓存:对于热门视频,可能会频繁访问其点赞计数,可以在缓存中设置热点数据,确保其始终在内存中。
数据分片:将热点视频的数据分散到不同的缓存和数据库节点上,避免单节点压力过大。
在面试中,场景设计题往往是重头戏!这些问题不仅深度考察你的技术功底,更全面衡量你的工程综合能力。精彩的回答,将成为你脱颖而出的关键加分项。

本文将首先概述通用的答题思路,然后以点赞系统为例,深入解析如何细致全面地回答这类问题。

后续我将持续收集更多的设计题,不断更新和完善本文的内容,帮助你在面试中斩获佳绩。#牛客AI配图神器##牛客激励计划#
全部评论

相关推荐

一、开启投递:四处碰壁,陷入迷茫​3 月 12 日,我满怀期待地开启了简历投递之旅。起初,我将目光投向实习群和校招官网的实习岗位,觉得这些信息更及时精准,但一周过去,投递的十几份简历石沉大海。3 月 20 日起,我开始在大厂广泛投递,腾讯、阿里、字节跳动、京东、拼多多、华为等 Java 开发岗都成了我的目标。然而现实残酷,大部分投递仅显示 “简历筛选中” 便再无进展。​看着身边同学陆续收到面试邀约,我陷入了自我怀疑。反复检查简历,发现可能存在项目描述不够精炼、技术亮点未突出的问题;也担心自己对底层原理的掌握不够深入。那段时间,焦虑和迷茫时常笼罩着我,甚至开始自我怀疑。​二、柳暗花明,初现曙光​3月底4 月初,我开始陆续接到了面试。面试准备时,我从小红书、牛客等渠道查询面经,润色自我介绍,并根据每个岗位的 JD进行定制化面试题目准备。4 月 10 日,我迎来腾讯一面。面试官先让我介绍最有成就感的项目,我详细阐述了用 Seata 解决分布式事务的全过程。随后,针对 Spring 循环依赖问题,从三级缓存原理到实际应用场景展开追问,虽然部分细节回答得不够完美,但整体表现还算稳定。4 月 18 -25日,进行了二三面,注意聚焦系统设计,要求设计一个高并发秒杀系统,我从限流(Guava RateLimiter、Sentinel)、缓存预热、消息队列削峰填谷等方面进行分析,得到了面试官认可。4 月 27 日,我收到了录用评估。​但我并未停下脚步,继续参与其他公司面试。阿里的面试让我备受打击,4 月 18 日的一面中,面试官对 JVM 垃圾回收算法刨根问底,涉及 G1 收集器的分区设计和并发标记细节,很多问题我答得磕磕绊绊,最终止步一面。字节跳动的面试更侧重算法,4 月 22 日的面试中,现场两道算法题被爆杀。京东和拼多多的面试贴近业务,常问实际场景的技术解决方案。​华为的面试流程漫长,从 4 月 25 日的技术一面,到 5 月 5 日的综合主管面,每一轮都很压力。目前在泡池子。​在这一系列面试中,我积累了宝贵经验:面试前要对简历项目倒背如流,预想所有可能追问点;回答问题先理清逻辑,再分点阐述;遇到不会的问题,大方承认并尝试说出解题思路,展现学习能力。​三、收获成果(AI润色过)手握腾讯和华为的 offer,我陷入了幸福的纠结。腾讯的岗位在微信事业群,作为国民级应用,能接触到亿级流量的系统设计,团队氛围年轻活跃,技术大牛云集;华为的岗位聚焦云计算领域,公司在通信和云技术实力强劲,项目技术挑战性高,职业发展路径清晰。​为了做出抉择,我查阅大量行业报告,对比两家公司业务发展趋势和技术生态;联系在腾讯、华为工作的学长学姐,了解工作强度、成长机会和团队文化。经过反复权衡,我最终选择了腾讯。我认为,微信海量用户带来的复杂业务场景,能让我在高并发、分布式系统设计上快速成长,这与我未来从事互联网后端开发的职业规划高度契合。​回顾这段找实习的心路历程,有过焦虑、迷茫和自我怀疑,但更多的是成长与收获。它让我明白,求职之路从不会一帆风顺,唯有坚持不懈、不断调整、持续提升,才能抵达理想彼岸。希望我的经历能给正在求职的 26 届同学一些启发,祝愿大家都能斩获心仪的 offer!       
投递腾讯等公司10个岗位
点赞 评论 收藏
分享
点赞 评论 收藏
分享
评论
4
40
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务